MMLSTM (WT-2)
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Beijing University of Posts and Telecommunications,University of West London
- Tipo di organizzazione
- Academia,Academia
- Paese
- China, United Kingdom of Great Britain and Northern Ireland
- Pubblicato
- 5 December 2019
- Autori
- Kai Shuang, Rui Li, Mengyu Gu, Jonathan Loo, Sen Su
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 32.3M
- Dati di addestramento
- 2,000,000 tokens
- Epoche
- 500
Table III
size of WT-2
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 1.9 × 10¹⁷ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / token / parameter * 32300000 parameters * 2000000 tokens * 500 epochs [assumption] = 1.938e+17 FLOP
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Likely
- Citazioni
- 19
"In experiments, we demonstrate the language model with MMLSTMs surpasses the existing state-of-the-art model on Penn Treebank (PTB) and WikiText-2 (WT2) datasets"
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Major–Minor Long Short-Term Memory for Word-Level Language Model
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Informazioni su questo modello
MMLSTM (WT-2) è stato pubblicato da Beijing University of Posts and Telecommunications,University of West London, nel paese registrato come China, durante December 2019. La categoria sotto cui rientra l'editore è academia,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Come è stato addestrato
Il training ha richiesto un budget di calcolo di circa 1.9 × 10¹⁷ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
È stato addestrato su un corpus di circa 2,000,000 token di testo
Il suo criterio di inclusione: sOTA improvement.
Risposte
MMLSTM (WT-2) — domande comuni
MMLSTM (WT-2)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
MMLSTM (WT-2)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.9 × 10¹⁷ FLOP. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
MMLSTM (WT-2)— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
MMLSTM (WT-2)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
MMLSTM (WT-2)— quanti parametri ha?
Ha un numero di parametri di 32.3M. Table III. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
MMLSTM (WT-2)— chi l'ha creato?
È stato pubblicato da Beijing University of Posts and Telecommunications,University of West London, basato su China, un'organizzazione categorizzata come academia,Academia.
MMLSTM (WT-2)— quando è stato rilasciato?
È stato pubblicato in December 2019. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.